清水河流域場次洪水輸沙特性及關鍵影響因素

付思佳, 張會蘭,2, 楊 軍

(1.北京林業大學 水土保持學院, 北京 100083; 2.重慶縉云山三峽庫區森林生態系統國家定位觀測研究站, 重慶 400711; 3.廣東省水利水電科學研究院, 廣州 510610)

由于氣候變化和人類活動的綜合影響,流域內降水和產流產沙發生顯著變化,導致流域水沙關系發生變化[3],尤其是因暴雨產生的洪水事件。探索洪水過程中的降雨過程、泥沙輸移、徑流特征及其相互關系,可以為研究流域的洪水和泥沙產生規律以及洪水與泥沙的關系提供重要依據。對于雨洪式河流而言,一場或者幾場暴雨事件可能貢獻流域絕大部分輸沙量[4],所以基于次洪尺度的泥沙輸移過程及其主導要素也需引起足夠重視。因此,近年來,國內外學者針對場次洪水的水沙輸移變化規律及其影響因素的研究頗多[5-7]。比如Bussi等[6]應用水沙關系曲線分析了泰晤士河的懸移質泥沙輸移的時空變化,研究結果發現夏季后的第一場洪水在相同的洪量條件下其輸沙量是其他次洪輸沙量的1.5～2.0倍,產洪輸沙量呈現下降的趨勢。在暴雨引發的洪水過程中,降水和地表徑流為流域泥沙輸移過程中主導驅動要素[7]。

清水河流域是黃河在寧夏回族自治區的最大的一級支流,也是寧夏段重點產沙區和侵蝕嚴重區之一。為保障黃河安瀾,加快水土流失綜合治理和削減入黃泥沙,20世紀70年代以來,該區域開展了一系列生態工程以及水土保持措施[8]。2000年以后,由于人類活動的增加,清水河流域的徑流泥沙產量和水沙關系發生明顯變化。李穎曼等[9]對清水河流域近60 a降雨量和入黃泥沙量進行研究,發現流域年降水量分布不均,1990—2000年泥沙量最大,2010年后顯著減少。馬進國等[10]發現清水河的年內水沙多集中在汛期,且年際水沙量相差懸殊。鑒于清水河流域降水年際年內分布極為不均的氣候條件以及丘陵溝壑區溝壑縱橫的獨特侵蝕地貌,其年土壤侵蝕多由少數幾場暴雨洪水主導,年際尺度或者月尺度的研究會弱化甚至掩蓋了次洪過程產輸沙規律以及動態特性。目前對清水河流域內水沙過程的研究僅聚焦于年際或者年內尺度水沙演變過程,涉及深入次洪尺度的研究相對缺乏,所以明晰清水河流域次洪尺度的徑流侵蝕輸沙動態以及解析其驅動機制,深入理解流域水沙關系及成因,可以進一步細化對水沙機理的認知,并有利于豐富流域水沙調控基本理論、完善水土保持綜合治理方案。因此本文根據清水河流域6個水文站(原州、固原、賀堡、韓府灣、王團以及泉眼山)2006—2016年實測洪水水文數據和表征次洪尺度洪沙輸移特征的合理參量,采用隨機森林辨析不同區域洪水事件輸沙量的影響因素;引入反映單次洪水事件過程屬性特征的徑流侵蝕功率概念對次洪尺度水沙關系予以表征,于次洪尺度揭示流域徑流及輸沙特征。

1 研究區概況

清水河流域是寧夏回族自治區黃河上游的一級支流,其發源地為寧夏六盤山北端黑刺溝腦,從中寧縣的泉眼山區域流入黃河,該流域是寧夏回族自治區境內最大、侵蝕最為嚴重的黃河支流,全程長320 km,流域面積為14 480 km2。地跨東經105°00′—107°07′,北緯35°36′—37°37′。清水河流域地勢南高北低,流域海拔介于1 182～2 920 m,相對高差達1 738 m,河道平均比降為1.49‰。清水河流域地理位置、水系分布、6個水文站(原州、固原、賀堡、韓府灣、王團以及泉眼山)分布如圖1所示。以6個水文站點為出口站,將清水河流域劃分為6個呈嵌套關系的子流域,在本文中子流域的面積用水文站的控制面積表示,分別為:原州105 km2,固原105 km2,賀堡200 km2,韓府灣4 935 km2,王團2 430 km2,泉眼山7 115 km2。

圖1 清水河流域地理位置Fig. 1 Location of Qingshui River Basin

清水河流域平均降水量為349 mm,時空分布不均。年降水量最高可達611 mm,最低僅有195.8 mm,極值比達3.0[11];年內70%～75%的降雨集中于汛期[12]。空間上,呈現自上游向下游遞減的特征,年際和年內降雨變異大。清水河多年均徑流量為2.16億m3,年輸沙量4 940萬t,年均含沙量229 kg/m3,流域內水沙特征表現為產流少、產沙多、土壤侵蝕情況嚴峻[13]。

2 數據與方法

2.1 數據來源

清水河流域6個子流域控制水文站的水沙數據來自《黃河流域水文資料》,其中原州站采用2009—2013年、2013—2016年的次洪尺度徑流、泥沙數據;固原站采用2006—2008年的次洪尺度徑流、泥沙數據;賀堡站采用2006—2013年、2013—2016年的次洪尺度徑流、泥沙數據;韓府灣采用2006—2013年、2013—2016年的次洪尺度徑流、泥沙數據;王團采用2015—2016年的次洪尺度徑流、泥沙數據;泉眼山采用2006—2013年、2013—2016年的次洪尺度徑流、泥沙數據。水文監測、取樣以及實驗室測定的過程均完全遵循國際方法和標準,并且在發布前經過嚴格驗證。

2.2 研究方法

2.2.1 有效洪水場次篩選方法 依據暴雨—洪水—輸沙的逐時過程線選取具有明顯漲落段、峰頂、峰谷的完整洪水過程。為剔除低輸沙率洪水場次事件,本研究根據水文監測標準,將一次洪水事件定義為徑流深超過0.05 mm,洪峰流量大于0.1 m3/s,洪水歷時大于150 min的產流產沙過程。本研究選取了6個水文站的155場暴雨洪水事件,對次洪尺度的產流輸沙過程特征及其影響因素進行分析。

2.2.2 次洪過程徑流及輸沙量指標計算方法 本研究選用8個徑流泥沙指標表征流域內單次洪水事件內的徑流和輸沙特征:洪水徑流深(H,mm)、輸沙模數(SSY,t/km2),洪水歷時(T,min)、洪峰流量(Qp,m3/s)、徑流變率(FV)、平均徑流量(Qm,m3/s)、平均含沙量(SSCm,kg/m3)、最大含沙量(MSSC,kg/m3)。

對于某次特定洪水事件,若水文站所觀測的時間間隔為Δt,瞬時流量和含沙量分別為Qt和SSCt,水文站的控制面積為A。單次洪水事件輸沙量SY(t)計算如下所示:

由圖2(a)可知，隨著粒子半徑的增加，1.064 μm和3.8 μm的消光效率因子上下振蕩逐漸趨近于2，10.6 μm的消光效率因子先增加后減小逐漸趨近于2.由圖2(b)可知，整體上看三波段的消光截面，均隨著半徑的增加而增加且數值十分接近，但由圖2(c)可知，1.064 μm和3.8 μm的消光截面曲線波動式上升，且三波段消光截面數值存在一定差別.

(1)

輸沙模數SSY可用下式進行計算:

(2)

洪水徑流深H(mm)的計算公式如下:

(3)

洪水事件徑流變率FV可通過下式計算:

(4)

式中:Δt為水文站觀測時間間隔(min);Qt為單次洪水事件的瞬時流量(m3/s);SSCt為單次洪水事件瞬時含沙量(kg/m3);A為水文站的控制面積(km2);Qp為洪峰流量(m3/s);Qm為單次洪水事件的平均流量(m3/s)。

2.2.3 徑流侵蝕功率計算方法 本研究采用魯克新等[5]提出的徑流侵蝕功率概念作為單次洪水事件下的侵蝕產沙動力指標,計算公式如下所示:

E=H×Q′p

(5)

式中:E為單次洪水事件侵蝕產沙動力〔mm·m3/(s·km2)〕;H為單次洪水事件徑流深(mm);Q′p為單次事件洪峰流量模數〔m3/(s·km2)〕,其大小等于單次洪水事件內的洪峰流量Qp(m3/s)與水文站控制面積A(km2)的比值。

2.2.4 隨機森林 洪水事件輸沙量受不同徑流因子指標的耦合作用。本研究采用隨機森林算法來量化影響流域內輸沙量的驅動因子,其計算過程基于R語言環境調用Random Forest函數包實現。隨機森林是一種基于分類樹(classification tree)的統計學習理論[14],主要是從原始樣本中采用Bootstrap重抽樣方法抽取若干樣本然后分別構建分類樹,接著組合分類樹的預測并通過投票方式得出最終結果。隨機森林對于變量之間的多重共線性不敏感,不容易出現過擬合的現象,大量的理論和實證都證實了隨機森林算法對異常值、噪聲具有很好地容忍度甚至能夠解析和預測高達上千條解釋變量的作用,所以被應用于諸多領域[15]。次洪尺度流域輸沙量的驅動因子涉及多指標變量,隨機森林算法對多變量數據處理具有優越性能,可以用于各指標重要性評價中。

3 結果與分析

3.1 洪水產流輸沙特征

圖2為清水河流域事件輸沙模數(SSY)量級分布及其所占比例。根據輸沙模數將單次洪水事件劃分為5個等級[16],即特大量級洪水事件(SSY>10 000 t/km2)、大量級洪水事件(SSY介于5 000～10 000 t/km2)、中量級洪水事件(SSY介于1 000～5 000 t/km2)、小量級洪水事件(SSY介于100～1 000 t/km2)以及特小量級洪水事件(SSY<100 t/km2)。從圖2可以看出,清水河流域內并無特大量級以及大量級洪水事件發生,原州、固原以及賀堡特小量級洪水事件發生最為頻繁,比例分別為86%,100%,67%,而賀堡中量級洪水事件發生次數也較多,占比為19%。而韓府灣、王團以及泉眼山特小量級、小量級以及中量級洪水事件均有分布,分布比例均在30%附近。由此可以看出,流域基于事件的產洪輸沙呈現顯著的空間分異特性,即從上游到下游徑流泥沙呈現遞增的趨勢,位于上游的原州以及固原子流域洪水事件主要為特小量級洪水,其徑流輸沙量較小,顯著低于中下游區域;而位于中下游的韓府灣—王團區間以及王團—泉眼山區間中等量級洪水發生相對頻繁,為流域洪水事件產洪輸沙最為強烈的區域。

圖2 2006-2016年清水流域洪水事件輸沙模數量級分布及其比例Fig. 2 The frequency distribution of flood specific sediment yield from 2000-2006 in Qingshui River Basin

不同子流域基于事件的洪水徑流泥沙特征對比分析如圖3所示(不同字母表示為存在顯著差異,p<0.05)。從圖3可知,韓府灣、王團以及泉眼山的洪水歷時(T)顯著高于原州等3個子流域;韓府灣的洪水徑流深(H)顯著低于賀堡以及王團,與原州、泉眼山沒有顯著差異,從全流域尺度上看,流域基于事件的洪水徑流深差異相對較小;王團基于事件的洪峰流量(Qp)為最大,原州與固原基于事件的洪峰流量(Qp)顯著低于賀堡、韓府灣以及泉眼山;洪水平均流量(Qm)呈現出與洪峰流量相似的空間分異規律;基于事件的徑流變率(FV)的空間分異規律與洪水歷時的規律相似,即韓府灣、王團以及泉眼山的徑流變率顯著高于原州等3個子流域,已有研究表明,對于輸沙量級較大的洪水事件,其輸沙量主要根據徑流總量決定,對其而言水沙關系已經相對趨于穩定[17],所以徑流變率相對較小,但是對于小型洪水事件頻繁的原州、固原以及賀堡,其水沙關系相對多變不穩定,所以導致其徑流變率顯著低于韓府灣等子流域;基于事件的輸沙模數(SSY)的空間分異特征與徑流深的相似;基于事件的平均含沙量(SSCm)呈現從上游向下游遞增的趨勢,王團的基于事件的含沙量要顯著高于其他5個小流域,而最大含沙量(MSSC)與平均含沙量空間分異規律相似。

圖3 清水河流域洪水事件的徑流輸沙空間特征Fig. 3 Spatial characteristics of runoff and sediment transport during flood events in Qingshui River Basin

3.2 基于事件的輸沙量驅動要素辨析

對各個子流域洪水事件驅動的輸沙量和上述基于事件的徑流泥沙指標進行隨機森林分析,用以量化各指標對輸沙量的影響(圖4),橫坐標為重要性,反映響應變量受各解釋變量的影響大小,其數值越大表征對響應變量的影響程度越大,同時計算出各隨機森林模型的擬合精度(R2)以及對全模型進行顯著性檢驗。本研究中所有子流域隨機森林模型的擬合效果較好,其擬合精度均超過0.59,并且所有隨機森林模型全部通過顯著性檢驗(p<0.001)。由圖4可知,各子流域的產洪輸沙特征主要影響因素不同,主要體現為在小量級洪水頻發的原州、固原以及賀堡子流域解釋變量重要性前三名分別為徑流深(H)、洪水歷時(T)和洪峰流量(Qp),而在中量級洪水頻發的韓府灣、王團以及泉眼山子流域解釋變量重要性前三名分別為徑流深(H)、洪峰流量(Qp)和平均流量(Qm),受洪水歷時(T)的影響較小。

圖4 清水河流域不同流域基于事件的輸沙量驅動要素重要性排序Fig. 4 Importance ranking of event-based drivers of sediment in the different sub-basins of Qingshui River Basin

地表徑流是引發水力侵蝕以及協同土壤顆粒分離和泥沙搬運的基本驅動力,徑流總量(深)與地表徑流直接相關,是洪水侵蝕產沙的綜合潛力的指標。可以看出,在流域下墊面等基本條件差異較大的情況下,流域次洪過程的輸沙量主要受控于洪水徑流總量、洪峰流量(Qp)及變率的影響(FV)。對于小量級洪水事件而言,洪水歷時(體現為徑流侵蝕能量對流域侵蝕產沙的時效性)對其影響較大,而中量級洪水事件幾乎不受制于洪水歷時的影響。小型洪水事件中,其水沙關系并不穩定,形式多變,而對于中型洪水水沙關系相對趨于穩定,洪水歷時的影響相對甚微。這表明,對于中型洪水或者高含沙水流而言,因為其水沙關系相對趨于穩定,輸沙量的增大主要原因是徑流量的增加。

3.3 基于事件的水沙關系

徑流總量(深)可以作為水沙分離土壤顆粒以及搬運泥沙的綜合潛力的有效指標,尤其對于量級較大的洪水事件[18]。洪峰流量(Qp)和平均流量(Qm)是基于次洪過程的徑流指標,可以有效表征水流的潛在侵蝕能力和挾沙能力的大小,且對基于事件的平均含沙量(SSCm)和最大含沙量(MSSC)具有十分重要的影響。因此,次洪過程中徑流所驅動的侵蝕速率是洪水徑流總量和水沙強度綜合作用后的結果。但是如果僅僅使用徑流總量(深)單一指標作為揭示流域洪沙關系以及對侵蝕產沙量進行預測,其結果可能會對洪水事件的產沙量預估產生較大偏差。所以,除徑流深之外,還需要引入反映單次洪水事件過程屬性特征的多維指標用以表征次洪過程水沙關系以及進行預測泥沙。在解釋變量中引入洪峰流量(Qp)作為次洪過程的典型指標,能夠在一定程度上消解由徑流變率(FV)導致的不確定性,表現出水流造成的土壤侵蝕與泥沙輸移的特有過程。徑流侵蝕功率(E)是基于徑流深和基于過程的變量洪峰流量這兩個指標來概化事件尺度的洪水徑流過程,其值是由洪峰流量和單次洪水事件徑流深的乘積得到,該概念代表了徑流深和水流強度的累積效應和瞬時作用強度對次洪水過程中侵蝕產沙的耦合效應,也綜合反映了侵蝕過程中洪水侵蝕能量的連續性和不連續性的統一。圖5分別采用洪水徑流深(H)以及洪水徑流侵蝕功率(E)進行水沙關系分析,結果表明徑流參量指標與輸沙量均呈冪函數關系,同時可以看出采用徑流侵蝕功率與次洪尺度的輸沙量其擬合優度(R2)要明顯高于徑流深與輸沙量的擬合精度,尤其對于小型洪水,其擬合優度均在0.9之上。相比于廣泛使用的單一指標徑流深,采用徑流侵蝕功率所擬合的決定系數(R2)比傳統的徑流量(深)-輸沙關系較高,可以更好地表征次洪過程中的泥沙輸移特征。

注:H為洪水徑流深;SY為與輸沙量;E為洪水徑流侵蝕功率;SY為輸沙量。圖5 清水河流域不同子流域基于事件的水沙關系Fig. 5 Event-based discharge-sediment relationships of different sub-basins in Qingshui River Basin

3.4 徑流侵蝕功率與水沙關系

以圖6所示的韓府灣和泉眼山為例,可以看出當徑流量低于某一臨界值時,含沙量變化很大,徑流量與輸沙率呈正比;當徑流量超過某一臨界值時,輸沙量變化很小并趨于穩定。目前眾多關于黃土高原丘陵溝壑區洪沙關系的研究中,發現次洪事件下的含沙量在流域洪水超過某一固定值時將趨向于飽和,并不會隨著洪水量的增加而進一步增加[17],這表明高含沙水流受自身分離能力限制,在侵蝕過程中存在著一定的極限含沙量(侵蝕閾值),并且因所處流域內部位或者環境等的不同而有所差異[18]。在此基礎上,Zheng等[19]在研究大理河流域次洪事件下徑流量以及含沙量關系時亦指出,洪峰流量通常被視為影響次洪事件輸沙量重要驅動因素,但單次洪水的產輸沙能力會隨著徑流量的不斷增加而達到一定某一固定值。

圖6 清水河流域兩個子流域基于事件的平均流量與含沙量的關系Fig. 6 Event-based SSC-Qm sediment relationships of two sub-basins in Qingshui River Basin

基于事件的含沙量及其徑流侵蝕功率進行回歸分析,其結果表明含沙量和徑流侵蝕功率之間存在對數函數關系,這反映出受到水流分離能力的限制,在沙源豐富的區域存在一定的侵蝕閾值現象。Zhang等[20]的研究亦發現這一現象,洪水事件下的徑流-輸沙系統一旦突破侵蝕閾值狀態后,基于事件的含沙量也將趨于穩定。一般而言,當徑流侵蝕功率在較低水平時,其所釋放的侵蝕能量也相對較低,在此階段,次洪過程的含沙量隨著徑流侵蝕釋放的能量變大而急速增大。但是一旦徑流侵蝕功率位于較高水平時,基于事件的含沙量則維持相對穩定的狀態,即不再隨著徑流侵蝕功率的進一步增加而變大(圖7)。劉尚武等[4]在對嘉陵江場次洪水輸沙規律的研究中發現徑流侵蝕功率與次洪輸沙模數之間存在較好冪函數關系,且當徑流侵蝕功率逐漸增加,次洪輸沙模數的變化量逐漸減小,發生這一變化的主要原因是人類活動影響了次洪輸沙量。自2000年以來清水河流域實施淤地壩建設工程及人工林草等水土保持措施[9],影響了流域的水沙關系。在黃土高原地區,因其重力侵蝕等多種侵蝕營力可為侵蝕過程提供充足的泥沙供給,大部分侵蝕產沙事件在全坡面尺度就已經到了極限含沙量,即受分離能力受限的最大含沙量,隨后進入流域系統之后含沙量可保持穩定不變,高含沙水流更為如此。綜合而言,與傳統的徑流深、平均流量或者洪峰流量等單一徑流參量指標相比,徑流侵蝕功率可以反映單次洪水事件過程屬性特征,更適宜表征次洪尺度的水沙關系并對次洪尺度下泥沙輸移的基本動力來源進行解釋。

4 結 論

(1) 根據洪水事件的輸沙量級的差異對不同子流域內155場次洪水進行分類可知,流域并未發生特大量級和大量級洪水事件,原州、固原以及賀堡特小量級洪水事件發生最為頻繁;而韓府灣、王團以及泉眼山特小量級、小量級以及中量級洪水事件均有分布。流域產洪輸沙量呈現顯著的空間分異特性,即從上游到下游徑流泥沙呈現遞增的趨勢。

(2) 影響不同子流域洪水輸沙過程的主要徑流參量有所區別,在小量級洪水頻發的原州、固原以及賀堡子流域解釋變量重要性前三名分別為徑流深、洪水歷時與洪峰流量,而在中量級洪水頻發的韓府灣、王團以及泉眼山子流域解釋變量重要性前三名分別為徑流深、洪峰流量與平均流量。從整體上看,隨著流域空間尺度的不斷推移,次洪過程輸沙量的主控因素逐漸趨于單一,并且愈發受到流量過程變化的影響。

(3) 在侵蝕產沙的解釋變量中引入表征徑流過程的復合指標更能綜合體現天然降水和流域下墊面屬性對次洪過程侵蝕產沙的綜合影響,其擬合精度相較于傳統的徑流-輸沙關系更高。相較于單一徑流參量指標而言,徑流侵蝕功率更適宜對次洪尺度水沙關系予以表征,更能合理解釋次洪尺度下泥沙輸移的基本動力來源。